基于深度学习的SQL生成研究综述  

A survey of deep learning based text-to-SQL generation

作　　者：梁清源 朱琪豪 孙泽宇 张路[2] 张文杰 熊英飞 梁广泰 郁莲[1] Qingyuan LIANG;Qihao ZHU;Zeyu SUN;Lu ZHANG*;Wenjie ZHANG;Yingfei XIONG;Guangtai LIANG;Lian YU(School of Software&Microelectronics,Peking University,Beijing 102600,China;Key Lab of High Con dence Software Technologies(PKU),Ministry of Education,Beijing 100871,China;Software Analysis Lab,Huawei Cloud,Beijing 100095,China)

机构地区：[1]北京大学软件与微电子学院,北京102600 [2]高可信软件技术教育部重点实验室(北京大学),北京100871 [3]华为云软件分析实验室,北京100095

出　　处：《中国科学：信息科学》2022年第8期1363-1392,共30页Scientia Sinica(Informationis)

基　　金：国家重点研发计划(批准号:2019YFE0198100);香港特别行政区创新科技署(批准号:MHP/055/19);国家自然科学基金(批准号:61872011)资助项目。

摘　　要：SQL生成(text-to-SQL)是自动化软件工程的重要应用之一,也是语义解析领域的研究热点.SQL生成根据输入的自然语言描述自动生成相应的SQL数据库查询语句,它允许非专业人员在不了解SQL语法的情况下访问数据库.随着大量SQL相关数据集的不断构造以及人工智能技术的卓越进步,SQL生成任务也得到了极大的发展.基于深度学习的SQL生成(deep learning-based text-to-SQL)能够利用大规模数据的优势,从已有数据中学习自然语言、数据库以及SQL语句的表示,并根据新的自然语言输入生成符合查询需求的SQL语句.相对于传统的SQL生成,基于深度学习的SQL生成具有高准确率、输入信息灵活和可迭代学习的优点.近年来,研究者在基于深度学习的SQL生成方面进行了一系列的研究,本文从SQL生成场景、数据集、模型结构和评估方法层面对现有研究进行分类综述.Text-to-SQL is an important application of automation software engineering.It is also a research hotspot in the field of semantic parsing.The text-to-SQL task aims to automatically generate the SQL statement according to the natural language description.It allows nonprofessionals to access the database without understanding SQL syntax.With the development of large-scale text-to-SQL datasets and artificial intelligence technologies,the text-to-SQL task is also making great progress.Compared with the traditional text-to-SQL generation,the deep learning-based text-to-SQL has the advantages of high accuracy,flexibility,and iterative learning.In recent years,several studies have focused on SQL generation based on deep learning.This research summarizes existing works from the aspects of text-to-SQL scenarios,datasets,model structures,and evaluation methods.

关 键 词：SQL生成 语义解析 深度学习 代码生成 编码–解码模型 

分 类 号：TP311.5[自动化与计算机技术—计算机软件与理论] TP18[自动化与计算机技术—计算机科学与技术]